共查询到20条相似文献，搜索用时 46 毫秒
1.
机载多光谱LiDAR数据的地物分类方法 总被引：2，自引：1，他引：1
机载多光谱LiDAR系统能够快速地获取大范围地表面上地物光谱和几何数据,并能够保证所获取的光谱与空间几何数据在空间和时间上相对完整和一致性。支持向量机（SVM）是一种基于小样本的学习方法,它避开了从归纳到演绎的传统分类过程。因此,本文提出了基于SVM多光谱LiDAR数据的地物目标分类方法。该方法首先将多个独立波段的LiDAR数据融合为单一的、包含多个波段信息的点云数据,然后将融合后的点云内插为距离影像和多光谱影像,最后利用SVM进行多光谱LiDAR数据的地物覆盖分类。通过对加拿大Optech公司的Titan机载多光谱LiDAR数据的试验证明：相对于传统的单波段LiDAR数据,多光谱LiDAR数据可以获得较好的地物分类精度;比较试验发现SVM分类方法适用于多光谱LiDAR数据的地物分类。 相似文献
2.
机载多光谱LiDAR的随机森林地物分类 总被引：1，自引：0，他引：1
机载多光谱LiDAR技术利用激光进行探测和测距，不仅可以快速获取地面物体的三维坐标，还可以获得多个波段的地物光谱信息，可广泛用于地形测绘、土地覆盖分类、环境建模、森林资源调查等。本文提出了多光谱LiDAR的随机森林地物分类方法。该方法通过对LiDAR强度数据和高程数据提取分类特征，完成多光谱LiDAR的随机森林地物分类；并分析随机森林的特征贡献度特性，采用后向特征选择方法实现分类特征选择。通过对加拿大Optech Titan多光谱LiDAR数据的试验表明：随机森林方法可以获得较好的地物分类精度，而且可以适当地去除部分冗余和相关的特征，从而有效提高分类精度。 相似文献
3.
点云滤波分类是LiDAR后续应用的基础工作,在点云滤波的基础上,以航空影像为辅助条件,结合点云高程信息,设计一套地物点云的分类方法。该方法首先融合航空影像与LiDAR数据,将对应RGB值赋予每个点,根据植被的光谱特征提取出部分植被点云;然后再根据文中定义的点云高程纹理,在剩余地物点云中提取出建筑物点,最后根据回波次数信息分离出剩余植被点,完成地物点云的分类。采用北京凤凰岭地区一组机载LiDAR数据进行实验。实验结果表明,该方法能够有效地将地物点云进行分类并且满足一定的精度要求,具有一定的实用价值。 相似文献
4.
面向对象的LiDAR数据多特征融合分类 总被引：1，自引：0，他引：1
针对单源遥感数据分类精度不高的问题,提出一种基于多特征融合的面向对象分类方法.该方法利用LiDAR点云数据的高程信息,并融合地物粗糙度特征,以及航空影像的地物光谱、形状和上下文信息等多种特征,再基于SVM分类器构建面向对象的分类方法,以提高城区环境下遥感数据分类的可靠性.试验表明,该方法可有效地提高城区地物的分类精度,且分类结果更符合人的视觉认知规律. 相似文献
5.
机载多光谱LiDAR系统能够快速、准确地获取地物的空间几何和光谱信息,为地物覆盖分类和目标识别提供新的数据源。近年来,基于三维点云的深度学习算法取得了一系列突破性进展,然而直接将不规则的原始点云数据输入深度学习模型进行基于点的分类存在一定的困难。本文提出了一种基于FPS-KNN的样本生成方法,用于基于深度学习的机载多光谱LiDAR数据分类。该方法首先对输入数据进行归一化处理;然后利用最远点采样方法(FPS)和K近邻法(KNN)在输入数据中生成一系列规则大小的训练样本数据集。通过机载多光谱LiDAR数据的试验表明,该方法所生成的样本不仅符合卷积神经网络所要求的输入数据形式,而且能够确保对输入场景的完整覆盖。 相似文献
6.
7.
近年来，随着三维计算机视觉的发展，三维点云深度学习方法得到越来越多学者的关注。然而，目前大多数三维点云深度学习方法仅在标准数据集上进行精度和性能评估，这些方法在设计过程中通常会根据特定数据集设定特定的学习策略以达到最佳点云分类精度，从而影响模型的泛化能力。在三维点云深度学习方法的遥感应用中，往往会出现诸如复杂的网络模型方法并不一定取得更好的数据处理精度，以及原始网络模型学习策略并不一定获得最优结果等问题。对此，为了探究学习策略对三维点云深度学习方法在实际遥感应用的影响，文中以机载多光谱LiDAR点云分类应用为例，以深度学习经典模型PointNet++为主，在分析当前学习策略的基础上构建一套较为通用的深度学习策略，以提高点云分类精度的稳定性和鲁棒性。机载多光谱LiDAR点云分类实验表明，学习策略对于点云分类精度影响不容忽视，学习策略的调整可以有效地提高模型对海量三维点云分类能力。 相似文献
8.
使用LiDAR单一数据进行点云分割工作时,基于斜率的严格分割LiDAR点云的方法不能很好的适应复杂地物
的分类工作。本文将LiDAR粗分割后的点云转换为高度图像和反射强度图像,并求取高度图像GLCM高度纹理。将4
种GLCM高度纹理、地面粗糙系数、平均高度和平均反射强度共7种纹理作为识别地面覆盖物的特征,并利用后向传播
神经网络(BP-ANN)方法对LiDAR数据进行地物识别。实验表明,这种方法能够从LiDAR独立数据源中有效的实现地
物分类,实验获得的精度大于90%。与传统的最大似然法进行对比,BP-ANN的分类精度高于最大似然法。当预设地
面类型能同时满足被光学影像和LiDAR数据识别的条件时,LiDAR高度纹理分类与光学影像分类结果的一致性达到
76.5%。 相似文献
9.
主要介绍了基于TerraSolid软件相关工具的LiDAR点云数据具体分类流程及利用比利时弗兰德斯(Flanders)约3 000 km~2LiDAR点云数据针对不同地形、地物的特点进行地面点自动分类提取实验,结合实验结果及经验,总结针对不同地形、地物的LiDAR点云数据的高效自动分类生产方式。 相似文献
10.
机载LiDAR点云的分类是利用其进行城市场景三维重建的关键步骤之一。为充分利用现有的图像领域性能较好的深度学习网络模型,提高点云分类精度,并降低训练时间和对训练样本数量的要求,本文提出一种基于深度残差网络的机载LiDAR点云分类方法。首先提取归一化高程、表面变化率、强度和归一化植被指数4种具有较高区分度的点云低层次特征;然后通过设置不同的邻域大小和视角,利用所提出的点云特征图生成策略,得到多尺度和多视角点云特征图;再将点云特征图输入到预训练的深度残差网络,提取多尺度和多视角深层次特征;最后构建并训练神经网络分类器,利用训练的模型对待分类点云进行预测,经后处理得到分类结果。利用ISPRS三维语义标记竞赛的公开标准数据集进行试验,结果表明,本文方法可有效区分建筑物、地面、车辆等8类地物,分类结果的总体精度为87.1%,可为城市场景三维重建提供可靠的信息。 相似文献
11.
随着测绘技术的不断进步,GPS实时动态定位技术(RTK)在测绘领域的应用日益广泛,而基于VRS(虚拟参考站Virtual Reference Station)技术的出现,更是为RTK测量提供了新的技术平台,给测量行业带来了革命性的变化。本文结合实例简要介绍了基于VRS的RTK在测绘领域的应用,阐述了其优越性和不足之处。 相似文献
12.
邓军 《测绘与空间地理信息》2015,(8)
根据固体潮理论,利用IERS 2003规范,计算中国部分IGS站的固体潮位移改正,分别对加入和不加入固体潮位移改正,对测站坐标的影响进行计算和比较分析。结果表明,固体潮改正对测站坐标径向影响明显,其他方向不太明显。 相似文献
13.
史磊 《测绘与空间地理信息》2009,32(6):153-155
MapInfo MapX是一个用来做地图化工作的OCX控件,它提供了一个最简单和最节约成本的方法,用来将地图化功能嵌入到新的和现有的应用中.MapX支持Windows环境下绝大多数标准的可视化开发环境,可以被快速集成到使用Visual Basic,Power-Builder,Delphi,Visual C++或其他面向对象的语言的客户端应用程序以及Lotus Script的Lotus Notes(v4.5)中.本论文介绍了利用快速开发工具MapX并结合Visual Basic应用程序来实现基于MapX的地图制图和空间分析,利用计算机对信息的快速处理,为使用者提供了一些必要的、有价值的参考,通过本软件可以使开发人员在他们熟悉的环境中更好地通过应用程序来访问地图数据. ws环境下绝大多数标准的可视化开发环境,可以被快速集成到使用Visual Basic,Power-Builder,Delphi,Visual C++或其他面向对象的语言的客户端应用程序以及Lotus Script的lotus Notes(v4.5)中.本论文介绍了利用快速开发工具MapX并结合Visual Basic应用程序来实现基于MapX的地图 图和空间分析,利用计算机对信息的快速处理,为使用者提供了一些必 相似文献
14.
15.
地学信息图谱具有图形与谱系的双重特性,是显示和揭示地球系统各要素和现象时空变化规律的一种手段与方法.在GIS支持下,以宁夏固原县为例,利用其1990年和2000年两期土地利用类型图作为主要信息源,探讨景观图谱分析方法. 相似文献
16.
介绍LiDAR技术的国内外发展情况,围绕LiDAR数据后处理软件的应用,详细论述了数据处理流程,特别针对LiDAR数据特点和处理技术难点提出笔者的看法. 相似文献
17.
GISCloud是建立在云计算基础上的GIS系统,能够高效地进行数据管理并为用户提供稳定可靠的GIS服务。GISCloud以海量的地理空间信息数据作为基础,通过云计算来进行海量数据的处理。针对GISCloud的数据存储和访问需要,提出了区域化网络拓扑结构:云由多个区域化后的子网构成,无网络中心;子网内采用区域子网中心节点来进行管理,并可进行扩展。区域化网络拓扑以GIS数据特征及其交换方式等为核心将分布式拓扑结构与集中式拓扑结构结合在一起,从而构建出高效稳定可靠的GISCloud基础网络。 相似文献
18.
19.